一类非线性边值问题k-NODE解的唯一性

本文在一定条件下给出了(0,+∝)上的非线性边值问题1/(p(t))(p(t)u＇(t))＇=f(u),t∈(0,+∝),u＇(0)=0,u(t)=0,的 k-node 解的唯一性结果(k∈N ∪{0}),其中 f(u)=u(α-f_1(u)),α>0,f_1(u)∈C^1(-∝,+∝)是偶函数。且当 u>0时,f′_1(u)>0,p(t)∈O_2(0,+∝),(p＇(t))/(p(t))≥0,且(p＇)

R^n中一类半线性椭圆方程的k-NODE解的唯一性

本文主要讨论了R^n中超线性椭圆方程边值问题的k-node解的唯一性,在条件 p1(n)<-(ι+2)/(p-1)<p_2(n)下证明了其k-node解的唯一性,这里p_1(n),P_2(n)是二次方程t(n-2+t)-1=0的根,ι∈R′,p>1,同时给出了 -△u+a(|x|)u=sum from t=1 to m a_i(|x|)|u|p^(i-1)u,u→0 (|x|→∞)的k-node解的唯一性结果。

一般图上的限制性k-node multicut问题

对图论和组合优化经典multicut和multiwaycut问题中的一般图上的限制性k-node multicut问题进行讨论,该问题作为multicut问题的推广问题,它是NP难的,运用线性规划理论的知识设计了一个近似值为O((qlogq)(1/2))多项式时间算法.

树上限制性k-node multi-multiway cut问题的近似算法

k-node multi-multiway cut问题作为multicut问题和multiway cut问题的推广问题是NP难的。首先,将k-严格顶点覆盖归约到此问题说明该问题与k-严格顶点覆盖具有同样的近似值。其次,运用贪婪策略设计了近似值为k的算法。最后,运用线性规划的LP-rounding技术改进算法得到近似值为min{2(q-k+1),k}的多项式时间算法。

树上限制性k-node multicut问题的近似算法

树上的限制性k-node multicut问题(k-CMC(T))是NP难的,针对k-CMC(T)问题本文首先将问题分解成若干个最大流问题设计了近似值为k的算法其中k是参数.其次利用树的性质改进算法降低了算法的时间复杂度得到一个时间度为O(|V|~3log_2|V|)且近似值不变的算法.算法简单、易懂.

基于邻域K-shell分布的关键节点识别方法

复杂网络中关键节点的精准识别对于网络结构稳定和信息传播起着至关重要的作用。传统K-shell方法仅通过节点在网络中所处位置对节点的重要性进行评估,导致区分度不高。基于此,综合考虑了节点的全局信息和局部信息对节点重要性的影响,提出一种基于邻域K-shell分布的关键节点识别方法。该方法通过节点邻域Ks值定义节点的熵,从而反映邻居节点的K-shell分布特征。通过11个网络数据集上的仿真实验,验证了所提方法能够更准确地识别并区分复杂网络中的关键节点。

基于组合加权k近邻分类的无线传感网络节点复制攻击检测方法

无线传感网络节点体积小,隐蔽性强,节点复制攻击检测的难度较大,为此提出一种基于组合加权k近邻分类的无线传感网络节点复制攻击检测方法。通过信标节点的空间位置数据与相距跳数得出各节点之间的相似程度,结合高斯径向基核函数求解未知节点的横轴、纵轴的空间坐标,确定各网络节点的空间位置;根据网络节点的属性特征与投票机制建立节点复制攻击模型,凭借组合加权k近邻分类法划分节点类型,并将结果传送至簇头节点,由簇头节点做出最后的仲裁,识别出节点复制攻击行为。仿真结果表明,所提方法的节点复制攻击检测率最大值为99.5%,最小值为97.9%,对节点复制攻击检测的耗时为5.41 s,通信开销数据包数量最大值为209个,最小值为81个。

面向目标体系网络的节点重要性排序方法

针对现有复杂网络节点重要性排序方法无法处理目标体系网络节点异质连边有向有权的难题,提出一种面向目标体系网络的节点重要性排序方法。利用K-shell算法计算网络节点的初始重要值,并在PageRank算法的节点重要性传递中考虑重要性分配趋强的特点和连边权重,提出K-shell和PageRank扩展(Extended K-shell and PageRank,EKSPR)算法,并给出EKSPR算法的收敛性证明,进行了作战仿真实验验证和算例对比分析。实验结果表明,EKSPR算法相对于K-shell算法和PageRank算法更适用于处理目标体系网络节点重要性排序,并且效率优于均值EKSPR算法。

基于k-means的动态多组织PBFT算法

联盟区块链系统被广泛用于金融和物流等场景。现有应用于区块链系统的实用拜占庭算法(practical Byzantine fault tolerance,PBFT)存在可扩展性较低及通信成本较高等问题,阻碍了区块链系统在大规模场景中的应用。针对上述问题,提出了一种动态多组织实用拜占庭容错算法(k-means-practical Byzantine fault tolerance,k-PBFT)。通过改进k-means算法,根据节点的时延以及节点间通信距离将节点分为多个自治组织,各组织之间通过组织代表节点进行通信。当新节点加入时,根据其特点将其分配到最合理的组织。同时,引入信誉机制以辨别系统中的诚实节点与恶意节点,从而提高系统的安全性。此外,该算法还引入节点任期机制,使区块链中每个诚实节点都有机会充当组织代表节点或主节点。实验结果表明,与PBFT算法相比,k-PBFT算法通信复杂度降低了75%;当节点数为100时,相比于PBFT算法,时延降低了210 ms,吞吐量提高了100%。在高延迟环境下,相较于基于信誉分组的PBFT改进算法,当节点数为100时,时延降低了20%,吞吐量提高了17%。

社会网络k度匿名隐私保护方法

社会网络数据发布可能导致隐私泄露,攻击者可以利用背景知识推断出节点的身份。为减少信息损失,提出一种基于社会网络节点目标度的k度匿名隐私保护方法。该方法先将节点的度序列按非递增序排序,使用动态规划算法对度序列分组,计算组内匿名代价最小的目标度,将组内节点的度都修改为匿名代价最小的目标度,构造k度匿名序列。然后使用优先级构造方法,选择优先保留原始图中存在的边构造k度匿名图。实验结果表明,该方法信息损失较小,成功抵御以节点度为背景知识的身份识别攻击,实现了社会网络隐私保护。

基于改进节点收缩法的复杂网络节点重要性评估

识别网络中的重要节点对研究网络的拓扑结构及功能特性具有重要的实际应用价值。为了更好地挖掘复杂网络中的重要节点,考虑到节点核心位置和网络拓扑结构变化对节点重要性评估的影响,基于节点收缩法提出两类改进的复杂网络重要节点评估方法,并进行仿真实验与比较分析。一方面,k-shell值对节点位置可进行粗粒化评估,将节点的k-shell值与网络中所有k-shell值之和的比作为节点收缩法得到的节点重要度(IMC)系数,提出基于新的节点重要度K-IMC的改进算法;另一方面,利用网络结构熵刻画网络拓扑结构的变化,结合收缩前后网络标准结构熵的变化,提出基于又一新的节点重要度E-IMC的改进算法。在此基础上,对两类改进的重要节点评估算法进行仿真实验,运用SIR模型和鲁棒性测试对算法性能进行评价与分析。实验结果表明,相较于原始节点收缩法,K-IMC算法和E-IMC算法的重要节点排序结果均表现出更高的准确性。其中,E-IMC算法相较K-IMC算法的准确性更高,KIMC算法相较E-IMC算法的运算效率更高。

基于改进KNN近邻实体的知识图谱嵌入模型

为了更好地表示邻居节点数量较少的罕见实体,提出基于近邻实体的知识图谱嵌入模型NNKGE,使用K近邻算法获得目标实体的近邻实体作为扩展信息,并在此基础上提出RNNKGE模型,使用改进的K近邻算法获得目标实体在关系上的近邻实体,通过图记忆网络对其编码生成增强的实体表示。通过对公共数据集上实验结果的分析,以上两个模型在仅使用近邻节点的情况下均实现了对基准模型(CoNE)的性能超越,缓解了数据稀疏问题并改善了知识表示性能。

基于K-shell的加权网络节点影响力研究方法

针对现有关键节点识别方法在准确性和分辨率上的局限性,提出了一种改进的K-shell排序方法,在传统K-shell分解的基础上,结合节点度数、邻居节点影响力和边权重,引入信息熵理论,细化同一K-shell层内节点的相对重要性。实验结果表明:该方法显著提升了排序的准确性和单调性,能够更有效地区分同一K-shell层内的节点重要性,准确识别出对网络结构影响较大的关键节点。该算法从多个维度考虑影响关键节点识别重要性的因素,在准确性和分辨率方面有显著的提升,对网络匿名隐私保护中的关键节点挖掘具有重要意义。

基于节点分类的区域货流分布预测方法

为了更加精确地预测区域货流分布并准确描绘区域经济之间的联系与互动,提出了基于聚类算法与改进重力模型相结合的区域货流分布预测方法。首先,通过Pearson相关性检验对货运影响因素进行分析,针对不同区域之间的异质性和相似性,采用K-means++算法进行节点聚类,对起讫点(origin-destination,OD)进行精细化研究;其次,引入货运影响因素、社会联系强度以及由距离成本和时间成本构建的阻抗函数作为参数,对传统重力模型进行改进,灵活地适应不同地区的交通特征,使得模型更具通用性和适应性;最后,以云南省为例,利用构建的改进重力模型进行货流分布预测,并与传统重力模型预测结果进行比较。结果表明:改进重力模型预测精度比传统重力模型提升了57.75%,稳定性提升了54.66%。该方法预测精度明显提升,为区域货流预测提供了更为可靠的方法。

k-Means++算法下的无线局域传感网络凸包质心定位

为了提高无线局域传感网络凸包质心定位的准确性,利用k-Means++聚类算法计算传感器节点的接收信号强度和路径损耗,筛选出具有代表性和稳定性的节点作为凸包质心,再使用加权算法计算凸包质心定位权值,选择出更准确地质心。在此基础上,通过分析无线传感器信号的间隔时间以及比较周边凸包质心和未知节点的接收信号实际条件,确定凸包质心之间的连通性关系。根据设定的凸包质心定位判断阈值,进一步确定凸包质心的定位结果,提高定位的准确性和可靠性。仿真结果表明,所提方法最大定位误差为0.167 m,在不同凸包质心数量下通信半径为40 m时的定位误差小于0.35 m。证明了所提方法能有效地实现无线局域传感网络中的质心定位,定位误差小。

基于四维聚类的R^＊-树结点分裂算法

针对R*-树应用到逆向工程领域时遇到的适用性差等问题,提出一种新的R*-树结点分裂算法,该算法以R*-树结点最小边界矩形外接球半径为权值,对点、三角形、矩形等多种三维几何对象进行加权处理,将其统一表示为四维点对象,选定距离最远的两个四维点作为初始分簇中心,根据点到两分簇中心的距离进行分簇,结合k-means算法以结点外接球半径为权值计算新的分簇中心,并迭代分簇过程,直到各分簇中心不再变化,结束R*-树的结点分裂过程。试验证明,采用该结点分裂算法可处理复杂数据对象的分簇,并在提高建树效率的同时,优化R*-树结构,提高空间查询效率,对提高逆向工程数据预处理效率具有重要意义。

输电铁塔曲“K节点”地震响应

为研究输电铁塔曲臂"K节点"在地震作用下的响应,通过采用三角级数叠加法,数值模拟典型地震烈度下各场地地震加速度时程;将各地震烈度和场地组合下的地震加速度数值导入ANSYS中,进行了输电铁塔曲臂"K节点"地震响应分析。结果表明:在地震作用上,输电铁塔曲臂"K节点"产生了一定的位移,有限的位移没有影响杆件的极限承载力;杆件最大应力并不在"K节点"杆件处,应力值也并没有超过材料屈服极限。

一种基于K-Shell的复杂网络重要节点发现算法

复杂网络中的重要节点通常数量较少,但是对网络的影响却很大。为了能够有效地发现网络拓扑结构中的重要节点,文中基于K-Shell算法,在考虑节点自身重要度的基础上,考虑了邻居节点对自身节点的重要度贡献,提出KSA(K-Shell-Affect)算法。该算法引入影响度概念,用节点自身的K-Shell值和与对其邻居节点的影响度来表征其对邻居节点的重要度贡献。对具有明显社团结构的Zachary网络进行仿真表明,该算法可行有效,克服了K-Shell划分结果的粗粒化,能够正确找到网络中的重要节点,具有一定的合理性,尤其在具有社团结构的网络中,能够十分有效地找到社团内部的核心节点。

基于K-means的北京地铁路网重要度聚类分析

以图论为基础,以北京地铁为研究对象,结合地铁运营客流时空分布的特点,构建北京地铁有向加权路网模型;采用K-means聚类分析方法,根据地铁路网中车站和区间的两个基本的物理拓扑属性(度、介数),以及客运量对其进行分类,确定关键车站和区间.其中,度反映的是节点的局部聚集能力,介数反映的是节点和边对全局的影响能力,而客运量则反映了不同时间段节点和边在运输中的重要性.实证分析表明,该方法可以从系统网络的角度动态辨识系统中的关键车站和区间.

改进的给水管网节点K均值空间聚类

利用自适应精英保留遗传算法优选初始聚类中心,信息熵确定属性权重改进K均值空间聚类,应用于给水管网节点聚类.实例验证表明,改进的K均值空间聚类方法在聚类精度、稳定性、耗时、权重计算方面具有明显的优越性:相对于传统的K均值空间聚类,自适应精英保留策略遗传算法和信息熵确定权重的K均值空间聚类得到的类内距离均值和标准差分别由6.92\1.06下降至4.39\0,聚类精度和稳定性均有较大程度提高;普通遗传算法、自适应精英保留策略遗传算法和模拟退火遗传算法优化的K均值空间聚类消耗时间分别为342、123、383s,自适应精英保留策略遗传算法消耗时间最短;管网拓扑图表明,信息熵权重能客观计算属性权重,结果更加合理.